基于移动学习的英语深度学习实证研究——以河南科技学院为例

移动学习已成为教育应用的前沿领域和研究热点。文章以问卷调查的方式,对学习者移动学习的现状进行了深入调查。结果发现:目前的移动学习存在很多问题,在很大程度上停留在浅层水平,不能激发学习者的高级思维,不能开展高效、深刻的学习。为了提高移动学习的效果,首先要加深学习者对移动学习的认识,其次要不断完善移动设备,再次要设计恰当的学习材料、创建移动学习共同体,最后要开展过程性评价。

职前教师教育技术能力现状调查研究——以河南科技学院为例

从认识与态度、知识与技能等方面对职前教师教育技术能力进行了调查与分析。结果表明,职前教师的认识、学习态度以及知识理解层次高,但是信息检索、教学设计、教学媒体使用等技能层次低,虽然对技能培训需求非常高,但是对课程满意度低,这为进一步施行课程改革,提升职前教师教育技术能力指明了方向。

基于TPACK的数字时代师范生信息化教学能力培养研究

数字时代对师范生教学能力的培养提出了更高要求,要求师范生在掌握相应基础专业知识的基础上,能够有机融合如教学法知识、技术知识等多元知识。TPACK框架的多层次交叉融合,为师范生的培养提供了思路和路径。本研究基于TPACK框架,分析当前师范生信息化教学能力培养现状,设计了融合翻转课堂的混合式协作学习模式,并以教师教育课程“现代教育技术”为例进行了实践验证。研究结果表明,该模式有效提升了师范生在信息化教学设计、资源整合和技术应用等方面的TPACK能力。

应用云计算的分布式农业信息资源整合平台设计

针对传统平台整合效率不佳的问题,文章设计了一种基于云计算的分布式农业学习资源整合平台。首先,完成FPGA外设芯片与JESD204B连接器设计,搭建硬件结构;其次,以此为基础,构建分布式农业学习资源整合功能架构;最后,基于云计算完成分布式农业学习资源抽取和整合。测试结果表明,该平台的资源整合效率更高,应用效果较好。

基于LoRa的生猪体征监测系统设计与实现

为克服现有生猪体征监测模块功能单一、传输距离受限、功耗大等问题,设计一种以低功耗智能耳标为采集终端的生猪体征监测与异常诊断系统。该系统以无线微控制器为硬件核心,结合猪只体温、心率、运动感知传感器,LoRa和GPRS技术组成的无线传感网络和云服务器构建生猪体征信息采集、健康评估、异常诊断监测平台,提高生猪养殖过程的智能化管理水平。试验表明,该系统运行稳定,能够实时采集、传输、显示、查询生猪体征参数和异常行为,体温相对误差小于1%,心率相对误差小于5%,通信网络丢包率小于5%,传输距离大于3 km,行为辨识结果大于90%,满足中小型规模化生猪养殖场的实际使用需求。可为生猪异常诊断、早期疾病检测治和疫情预防提供科学依据。

基于证据理论的多传感器数据融合水质检测研究

针对多传感器水质监测数据融合中测量数据存在误差的现象,论文提出一种基于DS证据融合理论的多源监测数据融合算法.该算法将影响水质的氨氮含量(NH3-N)、溶解氧(DO)、pH值、电导率(CD)等多环境因子变量作为证据,并赋予可靠性折扣,计算出水质等级的质量函数,然后通过DS方法将其与其他证据结合起来,最后使用融合质量函数值的决策规则确定水质类别.实验证明这种方法适用于具有多源监测数据的水质类别预测,可以从不确定性传感器数据中评估水质,并提高评估性能.

混合卷积神经网络用于高光谱小麦品种鉴别

不同品种的小麦满足了市场的不同需求,同时也会带来小麦品种混杂的风险。为了提高小麦品种的纯度进而提高选种、育种、加工等环节的经济价值,小麦种子的鉴别起到关键作用。传统的小麦品种纯度理化分析鉴别方法,鉴定时间长且破坏种子,已不能满足现代农业的迫切需要。高光谱成像作为近年来发展迅速的一种快速、高效、无损的新型鉴别技术,在种子品种鉴别领域取得了显著成效。然而,已有的大多数高光谱分类方法仅利用光谱信息,没有充分考虑空间信息,分类效果较差。为了解决上述问题,利用高光谱成像设备采集8个品种的小麦种子正背面的高光谱图像,基于这些高光谱数据集,提出一种基于注意力机制的混合卷积神经网络的高光谱小麦品种鉴别方法,主要利用三维卷积和二维卷积的互补优势特性提取小麦的有价值特征,进而提高小麦品种的鉴别效果。具体而言,首先提取小麦品种的感兴趣区域,并利用多元散射校正方法削弱由于散射水平差异带来的同一品种的光谱差异。同时,利用主成分分析方法减少三维数据的无用光谱波段,进而保留并压缩对鉴别小麦品种有价值的特征。随后,利用三维卷积获取空间维度和不同光谱间的特征信息,二维卷积获取空间信息和图像的自身固有的特征信息,并在二维卷积模型中引入注意力机制进一步增强图像的特征信息的提取。最后在全连接层实现同一区域不同小麦品种的鉴别。实验表明,所提出的方法比其他方法具有较好的分类性能,分类准确率达97.92%。此外,所提出的方法对小样本数据也具有较好的分类性能。总的来说,提出的方法对于高光谱小麦种子鉴别具有较好的有效性和鲁棒性,为小麦种子的在线鉴别提供了一种新的方法。

生猪生长环境舒适度实时监测系统设计与实现

为了提高猪舍环境舒适度评价的准确性,克服猪舍多环境因子相互耦合,避免采用单一环境因子评价猪舍内环境质量状况不准确问题。本研究根据猪舍环境养殖标准,构建了猪舍舒适度评价指标体系和权重,建立了温度、湿度、风速、CO_(2)、NH_(3)和H_(2)S各环境因子的隶属度函数,提出了基于层次分析-模糊理论的猪舍多环境因子综合评价方法,搭建了生猪生长环境舒适度实时监测系统。以育肥猪舍环境监测的24组数据为例对本文提出的猪舍舒适度模糊综合评价方法进行验证。结果表明,该系统建立的猪舍多环境因子舒适度模糊综合评价方法能准确反映猪舍空气质量状况,可为猪舍环境精准调控提供科学决策依据,具有一定的应用价值。

基于多源信息融合的冬小麦灌溉决策模型

目前智能灌溉决策的研究多是基于土壤墒情、作物需水量等单一指标或某一层次进行,很少考虑到作物本身、土壤、气候等综合影响,决策结果存在一定的风险和局限,精细化灌溉还有待进一步研究。针对以上问题,本文以冬小麦为研究对象,提出一种基于多源信息融合的灌溉决策模型,根据不同来源的相关数据,利用D-S证据理论、深度神经网络算法融合构建基于特征层、决策层融合的灌溉决策模型。结果表明,模型评价较好,可以提供有效的灌溉决策依据,为精细化灌溉提供了一种合理的灌溉决策。

技术如何赋能学生的认知能动性——嵌入式智能话语反馈系统WiseTalk设计与实现

教学需要为学生提供嵌入式反馈以支持其认知能动性的发挥,由于当前嵌入式智能话语反馈工具存在反馈与学生交互对象关联不紧密、反馈不系统等问题,因此,针对认知能动性各维度设计开发嵌入式智能话语反馈系统,为学生提供基于当前交互对象的即时反馈。首先,构建嵌入式智能话语反馈系统赋能认知能动性的理论框架,然后针对认知能动性具体维度提出反馈要素并设计WiseTalk的架构及算法,利用Golang、JavaScript语言和MySQL数据库开发实现相关功能。经过准实验研究,结果表明:使用WiseTalk的学生表现出更高水平的认知能动性,意向性、自我调节和自我反思水平都优于未使用的学生。

ResNet-UAN-AUD:基于深度学习的水声上行非正交多址通信系统活动用户检测方法

水下声学网络(Underwater Acoustic Networks,UAN)是探测未知水域的重要技术手段。非正交多址(Non-Orthogonal Multiple Access,NOMA)是一种新颖的移动通信技术,支持时域、频域、空域/编域的非正交分配,可有效地提高网络容量和用户接入数,为性能和电量受限的UAN提供创新解决方案。活动用户检测(Active User Detection,AUD)是NOMA通信系统的基础支撑,对于NOMA系统消除信号干扰和提高接收性能至关重要。ResNet是基于残差模块跳跃连接的神经网络,解决了深度学习的梯度消失和网络退化问题。提出了一种基于深度学习的水声上行NOMA通信系统AUD检测方案。首先,构建水声上行NOMA通信系统基本模型;其次,实施NOMA活动用户检测问题的数学表征;接着,开发基于ResNet网络的水声NOMA系统活动节点检测方法(ResNet-UAN-AUD);最后,执行仿真实验。结果表明,ResNet-UAN-AUD的检测性能接近基于长短期记忆网络的活动用户检测(LSTM-UAN-AUD)方案,而复杂度略高于基于卷积神经网络的活动用户检测(CNN-UAN-AUD)技术,实现了次优目标,适合水声上行NOMA系统使用。

基于Vision Transformer的小麦病害图像识别算法

小麦白粉病、赤霉病和锈病是危害小麦产量的三大病害。为提高小麦病害图像的识别准确率,构建一种基于Vision Transformer的小麦病害图像识别算法。首先,通过田间拍摄的方式收集包含小麦白粉病、赤霉病和锈病3种病害在内的小麦病害图像,并对原始图像进行预处理,建立小麦病害图像识别数据集;然后,基于改进的Vision Transformer构建小麦病害图像识别算法,分析不同迁移学习方式和数据增强对模型识别效果的影响。试验可知,全参数迁移学习和数据增强能明显提高Vision Transformer模型的收敛速度和识别精度。最后,在相同时间条件下,对比Vision Transformer、AlexNet和VGG16算法在相同数据集上的表现。试验结果表明,Vision Transformer模型对3种小麦病害图像的平均识别准确率为96.81%,相较于AlexNet和VGG16模型识别准确率分别提高6.68%和4.94%。

基于Arduino和VI的农田信息无线采集系统设计

现代化农业生产过程中,需要对农作物的各种生长环境信息进行采集,以便为农业决策服务。为此,设计了一种基于Arduino控制板和VI的农田信息无线采集系统。系统使用Arduino控制板作为采集控制端,结合各种环境信息采集模块及无线数据收发模块等组成整套系统,实现了对气温、土壤温湿度、光照、墒情及降水等农田特征信息的采集、显示、存储及监测报警等功能。该系统适用于现代精细化农业生产过程中进行田间信息的快速采集等场合。

基于知识图谱的农作物良种问答系统的设计与实现

种子是农业生产的基础,通过科学评估农作物品种的适应性、产量潜力、品质特性、抗性等因素,选择适宜当地生态环境和市场需求的优良品种,对提高农业生产效益、促进农村经济发展和农民增收具有重要意义.因此,基于知识图谱技术,构建一个农作物良种问答系统,以帮助农户快速、准确地获取农作物品种相关信息,提高农业生产效率,增加农民收益.为此,研究收集农作物品种相关数据,包括品种名称、品种来源、生长周期、适宜种植区域、发病阶段等信息;采用数据预处理、知识融合和知识存储等方法构建农作物品种知识图谱;借助自然语言处理和BiLSTM-CRF技术设计并开发了一个问答系统.经测试,构建的农作物良种问答系统准确率可达87.67%,能满足用户对农作物品种信息的查询、获取和推荐需求.

加入信息增益比的矿井塌方风险决策模型仿真

矿井各区域会发生结构承压改变,区域差异较大,对塌方的贡献程度也不同,不同局部对塌方的贡献很难准确量化。当前的压力监测模型多是采用同一压力阀值系数进行监测,没有考虑矿井下不同区域承压给塌方风险带来的正向影响和区域之间的承压关联性,很难形成科学的决策。为解决上述问题,提出了一种加入信息增益比的矿井塌方风险监测技术,分析了矿井中不同区域承压数据的产生与处理,使用信息增益比做为决策树属性分裂的衡量指标,对传统的模型进行优化。实验证明,改进方法能够将传统矿井塌方风险监测的准确率大幅度提高,对实际的矿石开采提供有效指导。

基于不平衡短文本的农业问句分类方法研究

目的解决中国农技推广信息平台、中国农业信息网等问答社区中农业问句数据快速自动分类问题.方法针对采集的农业数据集中文本长度较短、样本类别不均衡性等问题,提出了一种文本语义信息扩展的方法.根据农业问句文本的特征,该方法采用Word2Vec模型,把问句中的关键词用TextRank算法进行抽取,在Word2Vec模型中查找关键词的近义词,并对关键词进行替换,生成新的同义问句.并用深度学习模型Bi-LSTM、Bi-GRU与增加注意力机制的Bi-LSTM-Att、Bi-GRU-Att和TextRCNN 5种模型对此方法进行验证.结果对比实验结果表明,该方法在5种模型上的Precision、Recall和F1 score均有提升,尤其在Bi-LSTM-Att模型上,Acc和平均F1值分别提升了0.8和2.5个百分点.结论实验结果表明该方法可有效地解决短文本和类别分布不平衡性问题,提高了不平衡短文本分类效果.

结合边缘信息的图像检索技术

针对基于内容的图像检索技术中因忽略人眼视觉的影响而造成的检索率偏低问题,提出了一种新的图像检索算法.首先,结合人眼的视觉特性,借鉴方块编码的思想提取对表征图像内容有意义的子特征,该特征不仅体现了图像的边缘信息,而且在一定程度上对整幅图像的纹理特征也进行了较好地描述;在此基础上,定义图像的特征描述符.针对描述符自身的特点,采用图像的互信息作为最后的相似性度量准则.实验结果表明同以往算法相比,该算法具有较高的检索效率.

中小学直播教学中教师形象分析

随着直播教学的兴起,越来越多教师开始使用直播平台进行在线教学。教师作为教学活动主导者,其形象直接影响教学效果。本研究参考教育部有关部门关于微课评价指标和中小学教师资格证面试标准,并结合已有研究构建了中小学教师形象评价指标体系,从教师和学生角度对直播教学中教师形象进行研究。结果表明,教师外在形象塑造优于内在形象,但两者均有提升空间。教师应在手势语、身姿语、表情语、板书语和教学用语等外在形象,教学方式、课件制作、设备操作、教育理念和教学内容等内在形象方面加强塑造,并根据研究结果提出了相关改进建议。本研究可以为中小学直播教学中教师形象塑造提供指导参考。

如何利用电子信息技术实现教育资源共享——评《高校教育信息化建设与应用》

随着电子化信息技术在我国的推广与普及，利用电子信息化技术实现教育资源共享成为我国教育未来发展的必然选择。《高校教育信息化建设与应用》一书汇集了众多一线教师在高校信息化建设工作中长期奋斗的成果。该书以在教育信息化建设工作中的领导经验和实战经验为基础，结合目前我国教育信息系统现状，对我国高校教学信息化发展作了进一步规划。并针对信息化中的资源建设研究、数字化教育资源共建共享机制、网络机房监控系统在高校的应用、数字化校园建设的研发与设计、对虚拟数据的保存与备份、教育信息化下的教育模式、信息化教学改革的深层思考、软件项目管理中的需求管理、高校教育信息化建设中的人文建设、教育信息化设备的发展趋势等方面进行了深入研究与论述，对我国教育界研究如何利用电子信息技术实现教育资源共享有着重要意义。

深度学习赋能的高光谱图像分类研究进展

随着高光谱成像技术的发展,高光谱图像分类备受关注。在广泛调研的基础上,文章全面整理了基于深度学习的高光谱图像分类方法,主要涵盖深度网络、循环网络和自注意力网络。随后,深入讨论了几个具有代表性的方法,详细探讨了这些方法的优势和不足,旨在提供一个更清晰、全面的高光谱图像分类方法现状。文章对高光谱图像分类方法进行了全面的概述,并对各类方法进行了深入研究,分析了不同方法的定性和定量评估结果,对未来的发展进行了展望。梳理现有研究,不仅有助于推动高光谱遥感技术的进一步发展,还凸显了高光谱图像分类方法在航空航天等领域的独特优势,对于提高遥感数据的解译精度和实际应用价值具有重要意义。